科学家发布自动测量量子进制的机器学习算法

量子计算机的运算速度是传统计算机的数万亿倍，机器学习可以让计算机通过数据自主优化，如果将机器学习结合量子计算机，是否可以打造超高速运算的智能计算机？

人类向这个目标迈出了第一步！9月底，牛津大学在《npj Quantum Information》发布一篇论文。牛津大学与Basel、Lancaster大学合作，开发出计算量子点的机器学习算法。通过这样技术，人类可以构建更大的量子进制结构，打造更复杂的量子计算机。

首先，我们来了解“量子点”是什么？

要让量子点达到最适状态，电压必须控制得相当精准

量子点（quantum dots，QDs）指的是纳米尺寸等级的物质，通常是半导体，可以将电子与电洞局限在其中，产生可以控制的光、电、自旋等性质。量子点的技术已被应用在晶体管、太阳能电池等领域；近年，量子点被应用在量子计算机的运算。

量子点中的电子自旋态是量子计算机的最小信息单位，称为量子进制（qubit）。在量子点，电子被束缚在陷阱（trap）中，它们的自旋态可以借由电压的控制而快速切换，转换成指定的态势。因此人类可以便用这个特性打造量子计算机，进行量子运算。

为了要让量子点达到最适状态，电压必须控制得相当精准。问题是，当量子点数量扩大，也就是量子进制增加后，若要让每个量子点都达到最适状态，就必须花上大量的时间调整电压，因为每个量子点都不相同，必须要针对每个量子点，一个一个调整。

也就是说，人类是否可以自动测量并控制量子进制，是扩大量子计算机应用的关键议题。

通过机器学习，让量子进制的测量与控制自动化

近期牛津大学发布计算量子点的机器学习算法，为这个问题提供了解决方案。该算法可以自动化测量与控制量子进制，比起传统的数据处理方式，可以减少测量时间与次数。研究人员借由电压与量子点的变化关系训练该机器学习算法，让它可以找到最有效率的测量与控制方式。

牛津大学材料系的教授Natalia Ares表示，这是人类第一次使用机器学习测量量子点，让我们可以构建更大的量子设备。

关于下一步，Basel的教授Dominik Zumbühl则表示，要将此算法应用到其他材料打造的量子点中，创建更好的量子计算机，也构建更大的量子进制结构。

通过机器学习算法，人们将量子点的测量与控制自动化，提升运算性能，让我们可以打造更复杂的量子设备。或许在不久的将来，就有科学家开发出用量子计算机运行的人工智能，借由量子计算机的高速运算，或许人类有机会开发出智力更高，应用更广的超级人工智能。

文章来源: https://www.toutiao.com/group/6743205995587043844/